和我们笔记本上只有一个耳机插孔的声卡不一样，录音所用到的声卡往往是独立的，因为它需要连接更专业的话筒线XLR接口，这也是它被称为音频接口的原因。音频接口是连接话筒与电脑的中转站，它可以将话筒传入的电信号也就是模拟信号，转换为数字信号传输到电脑中，让我们可以存储和编辑。

同时，音频接口还具备放大话筒信号的功能，通常为一个叫做增益的旋钮，它能帮助调节话筒的灵敏度，以适合不同类型的话筒。

多通道的音频接口可以同时连接很多话筒，但也因此相当昂贵。录制旁白只需要用到一个话筒，因此我们可以选购单通道或双通道的音频接口即可。

话筒的重要性不言而喻。尽管通过专业的调节，任何话筒录制的声音都可以变得好听，但我出于个人经验，还是比较推荐电容话筒，大振膜的电容话筒尤佳。至于话筒的细分，我们会在后面讲到。

在专业的音乐制作中，我们会使用DAW软件，也就是Digital Audio Workstation数字音频工作站软件。如果是仅仅用于录制旁白，那么这些知名品牌的DAW，不仅显得昂贵，且也大材小用。我们可以选择这些DAW的免费或入门版本，或者直接选择一些免费录音软件，只要足以完成基础的旁白录制就行了。

我们对录音软件的最基础要求是，至少支持4轨以上的音轨，有基础的内置效果器插件（包含EQ，压缩，限制，混响等），支持多格式音频文件的导入与导出（由于旁白会涉及到背景音乐，因此多格式支持较为重要）。

本文在文末也附上了关于主流免费或入门型的录音软件介绍与推荐。

声学环境听起来很专业，但就我们所针对的旁白来说，就是经过一定程度吸隔音的安静环境而已。由于录制旁白，只是需要一个尽可能清晰的人声，并不需要什么特别的声场，因此我们只要能搭建出一个降低了混响，隔绝了外界噪音，填充了一些吸音材料，最终较为安静的环境即可。

我们还需要准备好话筒线，话筒支架和监听设备，如耳机和音箱。

旁白录制不同于歌曲录制，它需要人声长期保持近距离面对话筒，因此我们往往选择一个稳固的桌面支架，这样能让人声保持坐姿更适应长时间的录制。而桌面支架就必须能经受住桌面的摇晃，其基础结构必须能充分拧紧，减少晃动时的余震，同时还能支撑住较为沉重的电容话筒。

至于监听，在精准的声音调节中，好的监听耳机和音箱非常重要，但对于初学者来说，前期还很难进入到搭建精准的监听环境这一步，我们对于监听设备先不用过于挑剔，基础的入门设备即可满足。

通道也就是声道。在录音工程中，一只话筒会占用一个通道。因此，仅对于录制旁白的工程来说，一台单通道或双通道的音频接口往往就足够了（双通道通常会被标记为CH1和CH2）。音频接口上的每个通道也都会提供一个48V幻象电源开关和一个Gain增益旋钮，在插入话筒线之前，将增益调到最小，同时确保这个48V电源开关为关闭状态。如果我们使用的是电容话筒，在插入话筒线后就需要打开幻象电源开关，再缓慢提升增益旋钮。如果是动圈话筒则不需要打开电源开关，直接缓慢提升增益。由于动圈话筒是被动拾取信号，因此增益通常需要开的比较大，但我们仍需记住，任何时候调节增益，都要缓慢，由于话筒往往位于耳机与音响附近，如果我们忘记关闭了音箱，则会产生话筒与音箱间信号的反馈Feedback，也称回授，这会产生巨大的啸叫，对人的耳朵造成损害。也因此，我们在录音时，通常关闭音箱，仅用耳机监听，但耳机的选择也有讲究，后面我会提到。

通道Channel和轨道Track，是我们一开始最容易混淆的概念。我们只需要分清楚，通道是信号来源，轨道是信号容器即可。也就是说，来自于通道1的话筒信号，可以被安放在轨道1，轨道2，轨道3等上面，没有限制。打个比方，通道是一台冰淇淋机的一个出冰口，轨道则是蛋筒，这就很好理解了是不。

话筒通常分为电容Condenser与动圈Dynamic两大类，这两类的传递震动的方式不同，电容的需要供电，并能捕捉更细微灵敏的空气振动，因此更利于录制清晰细腻的人声。动圈话筒则由于结构的原因，灵敏度稍微欠缺，这也让它更适合在噪杂的环境下使用。话筒还以指向型加以细分，如全向，心型，超心型，枪型和8字型指向。录制较大的声场，我们就需要用到全向的话筒；录制单一来源的声音，我们就需要用到心型甚至超心型指向；要录制更少干扰的超窄来源的声音，就需要用到枪型指向的话筒，这也是为什么影视话筒都是枪筒的形状。我们只需要留意，在话筒的官方指标中，这个圆圈所包含的，就是它主要拾取的声音范围。另一个重要的指标，就是话筒的振膜尺寸。大振膜话筒更适合于捕捉人声中的低频部分，让声音更温暖丰满，小振膜则更适合于录制乐器，它的高频敏锐度非常善于捕捉高音乐器的瞬态。了解了话筒的类型和分类，我们就应该为录制人声准备一只大振膜的电容话筒。

原因如同我们之前了解的，我们需要听到自己的声音，又需要不断输出自己的声音，两个信号处于同一个声场下，就会出现信号反馈激增，从而出现啸叫。所以使用耳机来监听，就切断了同一声场，避免了信号反馈。如果我们对录音的整个流程还不是特别熟练，那么就一定要养成先关闭监听音箱，再调试设备的操作习惯。

*关闭监听音箱并非一定是物理式的断电，我们也可以通过音频接口上的监听系统的软开关进行关闭，从而避免设备降低电路寿命。

而录音所使用的耳机，通常也有一定的要求。乐手专用耳机，是封闭式的，也就是耳罩不通风，这类耳机会相对较为昂贵，但能保护录音时任何声音不会传入话筒。我们也可以选择消费级耳机甚至是入耳式耳机，但不太平直的频响曲线可能在调音时会影响我们的判断。因此耳机的选择我们量力而为。要注意的是，我们最好不要选择开放式的混音专用耳机（耳罩上有通风格栅的），这类耳机为了保证频率的平直和混音的精准，从而在耳罩上开孔让低频散出，但这也会影响到我们录音时耳机的声音传入话筒，导致串音或啸叫。

我们在轨道上寻找预录开关，它通常也是一个小小的红色录制按钮，点击它就会开启预录模式，只有在开启了预录模式下，我们进行录音时才会录制当前轨道上的信号。而返听，预录按钮旁边的小喇叭，则是让我们可以通过监听返听来听到我们当前的声音信号（这也是会导致啸叫的缘故，如果不想关闭音箱，那么返听就不要打开）。我们可以不打开返听进行录制，但由于初学者需要一个漫长的适应与调整自己声音的过程，所以录制的同时返听自己的声音是非常有效的自我矫正手段。

在开启了轨道预录与返听后，我们对着话筒说话，并逐步提高增益旋钮，直到看到音频接口和轨道中都会出现绿色的信号灯上下跳跃，这个信号灯称为信号电平。电平并不是越大越好的，绿色代表它目前是合理范围，一旦跳到黄色，就代表着当前信号偏大，一旦跳到红色，就代表当前信号最大值已经超过了0dB，产生了失真。失真的信号下所录制的音频就是这个样子的，它将失去声音的动态并变为不可识别的噪音，这是所有音频技术中都需要避免的。所以，我们需要将话筒的增益调节到一个合适的位置，即当我们确定了面对话筒的距离，并使用正常的音量说话时，调节后的电平能持续在绿色状态，尽量不要到达黄色即可。我们也可以用固定的电平数值来确定增益大小，比如信号电平维持在-6至-3dBFS的大体位置，就是一个健康的电平数值。与录制旁白不同的是，在录制其他声音类型，比如女高音独唱，打击乐等时，我们不仅需要控制乐手与话筒的距离，还要大幅度降低增益，来维持输入电平的绿色范围，因此，增益并没有恒定的数值。

如果我们所处的环境并不是特别理想，一直存在一些轻微的噪音，那么使用扩展器将能很好的完成对其过滤的作用。扩展器是一种音频振幅的反向压缩器，它的大哥压缩器我们会在后面说到。扩展器通过设定一个阈值，将阈值以下的声音进行压缩，让它变小，从而提升音频内容的纯净度。我们可以先录制一段旁白，帮助我们对它进行设定。在这段音频中，我们可以听到，在语言内容之间，有大量无效杂乱的微弱噪音，包含了电脑机箱，空调轰鸣，和人的换气与呼吸声。这类噪音与旁白内容无关，因此我们通过扩展器将它们滤除。我们使用阈值，找到旁白的声音主要出现的振幅位置，然后设定到该位置的下方。然后拉动Reduction去除的Range也就是幅度，将该范围拉到最低。同时我们将Ratio比率调整到1：3左右。现在我们可以看到，声音在降低到阈值设定位置时，便会迅速的收缩，那些一直微弱存在着的噪音，瞬间变得非常微弱，几乎听不到了。这就是扩展器的作用。和扩展器类似的效果器还有Gate，噪门。但噪门的处理手法相当简单粗暴，不适合用于旁白这类细腻的噪音过滤，因此就不细说了。

在寻找好了最佳话筒拾音位置后，我们就需要对声音进行进一步雕琢了。首先是对人声频率的调节，这个动作我们称为均衡。我们可以使用录音软件所附带的任何类型的均衡器，Equalizer，简称EQ，来完成频率调节。如果我们需要更干净清晰凸显语言内容的频率，就需要大幅度的切除低频，比如切除160Hz以下，这样能清除声音中过于粗苯的低频。如果我们希望保留温暖感和厚重感，那么就切除60~80Hz以下的低频。这个动作称为低切，Low Cut。声音中的另一个关键频率就是300~500Hz的中低频，这个频段的特点就是混浊感，我们也可以进行稍微的压制。1KHz左右则是人声的中高频，这部分的频率特点是清晰感，但也容易出现紧张感，让声音紧绷绷的，我们寻找到合适的点进行适当控制。再接下来就是4~7KHz，这个频段最容易出现齿音，齿音是当我们发出Ch Ci一类声音时，这类声音被话筒拾音后，会产生令人难受的刺耳感，我们需要对它进行压制。最后从10KHz以上的频率，被称为空气感，这一部分适当提升，会让声音出现舒适的清亮和通透，我们可以适量的提升。均衡的过程并非一劳永逸的，每一天，每一小时，你的声音状态和色彩都可能出现不同，在初期调试均衡时，我们可能会花上数十小时，来回修改刚刚确定的频点，这很正常。我们最终会在一个最宽容的设定下接受它，并喜欢上它。

压缩，是我们对声音振幅的控制。我们前面说过，在调整增益时，将电平调节到一个大致的位置，让它维持在一个安全的信号范围内，这是出于对数字信号的保护目的。我们还需要出于获得更稳定更有益于听觉感受的目的，对声音的振幅，进行进一步的动态控制，让它更稳定，有持续性。尤其对于旁白来说，绵密的音质是最核心的元素。为了达到这一点，我们需要对声音进行压缩。压缩和均衡一样，并没有一蹴而就的终极方法，针对不同的声音特性，压缩的调节参数也各不相同。我们只需要了解压缩的基本属性，从而逐步理解和善用压缩。压缩的主要参数是阈值，比率，及启动和释放。阈值指的是当音频振幅超过某个数值时，压缩器进行处理。比率指的是超出的部分，按照一个怎样的压缩比将它压小。启动是指音频振幅超过阈值后压缩参与工作的速度，释放则是指音频振幅低于阈值后压缩停止工作的速度。压缩分为轻度，中度和重度压缩，重度压缩常常用在一些密度极高极为饱和的声音类型中。对于旁白，我们使用轻度的压缩即可，参数范围大致为阈值设定比当前峰值低8个dB，比率设定在3：1，启动可设置为10~50ms之间，释放可设置在100ms~200ms之间。如果压缩器有Knee拐点这个选项，那么就选择软拐点，让压缩器的工作模式为缓入缓出。完成这些设置后，我们可以听到声音依然保留原始的流畅，并增加了一份黏度，而之前那些恐怖的一惊一乍的爆破声，则得到了更好的控制。在完成了压缩后，我们可以在压缩器中，将整体声音通过Gain增益，再补偿回来一些。

前面我们说过，为了保证数字音频的安全性，我们需要调整增益，让它不得超过限定，也就是0dB。同时我们还添加了压缩器，对声音的振幅进行了压缩。但如果我们又添加了音乐轨道来辅助气氛，又添加了音效轨道来增强效果，最终，我们音频内容的总音量还是会超过0dB。一方面，我们需要再次权衡所有轨道的声音，将它们统统拉低一点，不要塞得太满，这个过程称之为混音。另一方面，我们需要在总输出轨道上，添加一个限制器。限制器的作用类似于压缩器，但特点在于限制器没有复杂的压缩参数，只有几个有限的功能，作用是将音频的峰值电平限制在0dB以下。限制器也可以通过使用阈值，对阈值以上的振幅进行压缩，但在这里，我们不需要用到这个功能。我们只需要将Ceiling设置到一个安全值即可，比如-1dB。在这个设定下，不论音频振幅多大，它们都会乖乖的待在-1dB的限制下。而至于为什么要设定在-1dB而不是0dB，这是出于数字文件格式转换中的兼容性考虑。对于一些业余爱好者来说，使用mp3或其他格式的压缩音频会更利于文件的传输与存储，而这些格式由于采样分辨率过低，会出现ISP， Inter Sample Peak即样本间隔峰值的情况，从而瞬间超过0dB而出现数字文件错误。因此，为多格式文件留有余量，将Ceiling限制在-1dB，能避免潜在的失真。

在完成了文稿的录制后，我们首先要经历的，就是基础剪辑。这方面无需多言，剪掉重复的，错误的部分，拼接为流畅完整的声音片段即可。在后期剪辑的同时，我们可能还会在反复审听中发现前期调试效果的不足，没关系，接下来有大把的时间让我们尽善尽美。

在剪辑的过程中需要注意的是，尽量对所有音频的开头和结尾都制作一个淡入和淡出，不需要太长，3毫秒这种都行。这样做是为了避免由于设备连接，电路问题或剪辑位置不恰当而引起的直流偏移从而导致的爆音。通过为音频添加淡出入和连接时的X交叉，能大量减少这类问题。

另外，尽管我们在EQ阶段就会对齿音进行一些限制，但有很多唇舌音，说话时的口水声，这些要尽量去除，它们会造成很难受的听感。某些第三方插件比如iZotope的Mouth De-Click能自动识别这类唇舌音并予以去除。